بهبود کیفیت پخت نان گندم به وسیله انتخاب ژنومی در نسل های اولیه

قیمت: 47,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

بهبود کیفیت پخت نان گندم به وسیله انتخاب ژنومی در نسل های اولیه

عنوان لاتین

Improving the baking quality of bread wheat by genomic selection in early generations

بهبود ژنتیکی کیفیت پخت نان یکی از چالش های بزرگ در پرورش گندم است، چون ارزیابی ویژگی های مربوطه عموما زمان بر و سخت است، به علاوه آزمایشات گرانقیمت سبب می شود پرورش دهندگان انجام آزمایشات کیفیت مطلوب را به مراحل آخر تکامل گندم موکول نمایند. چشم انداز انتخاب ژنومی برای ویژگی های پیچیده نظیر تولید دانه در بسیاری از مطالعات به اثبات رسیده است، و میتواند یک روش مطلوب برای انتخاب ویژگی های کیفیت پخت نان به شمار آید. بنابراین، ما در این مطالعه بر صحت انتخاب ژنومی برای تعیین ویژگی های کیفیت فنوتیپی پر هزینه و دشوار و نیز پاسخ انتخابی آن در مقایسه با انتخاب فنوتیپی، تمرکز نموده ایم. بیش از 400 خط گندم تعیین ژنوتیپ شده از نظر محتوای پروتئین، ویژگی های ویسکوالاستیک و مخلوط سازی خمیر مرتبط با کیفیت پخت نان در چندین کارآزمایی محیطی طی سالهای 2009 الی 2016، تعیین فنوتیپ گردیدند. صحت پیش بینی میانگین در میان سه جمعیت مستقل اعتبارسنجی r برابر با 0.39 بود که با مدلسازی QTL اصلی به عنوان اثرات ثابت و اجرای مدل های پیش بینی چند ویژگی به r برابر با 0.47 افزایش می یافت، این مدلسازی به صحت پیش بینی قابل قبول برای همه ویژگی های رئولووژیک خمیر منتهی می گردید (r بین 0.38 الی 0.63 متغیر بود). انتخاب ژنومی را میتوان 2 یا 3 سال زودتر از انتخاب مستقیم فنوتیپی انجام داد، و پاسخ انتخاب تخمین زده شده دو برابر بیشتر از انتخاب غیر مستقیم به وسیله محتوای پروتئین برای ویژگی های مرتبط با کیفیت پخت نان بود. این مزیت مهم انتخای ژنومی میتواند به پرورش دهندگان در تصمیمات انتخابی و تلفیق کیفیت مطلوب پخت نان با تولید دانه در انواع تازه تکامل یافته گندم، کمک نماید.

The genetic improvement of baking quality is one of the grand challenges in wheat breeding as the assessment of the associated traits often involves time-consuming, labour-intensive, and costly testing forcing breeders to postpone sophisticated quality tests to the very last phases of variety development. The prospect of genomic selection for complex traits like grain yield has been shown in numerous studies, and might thus be also an interesting method to select for baking quality traits. Hence, we focused in this study on the accuracy of genomic selection for laborious and expensive to phenotype quality traits as well as its selection response in comparison with phenotypic selection. More than 400 genotyped wheat lines were, therefore, phenotyped for protein content, dough viscoelastic and mixing properties related to baking quality in multi-environment trials 2009–2016. The average prediction accuracy across three independent validation populations was r = 0.39 and could be increased to r = 0.47 by modelling major QTL as fixed effects as well as employing multi-trait prediction models, which resulted in an acceptable prediction accuracy for all dough rheological traits (r = 0.38–0.63). Genomic selection can furthermore be applied 2–3 years earlier than direct phenotypic selection, and the estimated selection response was nearly twice as high in comparison with indirect selection by protein content for baking quality related traits. This considerable advantage of genomic selection could accordingly support breeders in their selection decisions and aid in efficiently combining superior baking quality with grain yield in newly developed wheat varieties.